68、python - 第一版手写代码性能评估

本文通过吞吐和延时两个关键指标,评估自定义Python神经网络模型的性能。介绍了计算公式,并建议在纯净环境下进行性能测试。文中提到未优化模型可能耗时数十分钟至数小时,而优化后的模型推理时间控制在1分钟以内,后续章节将重点讨论性能优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上一节介绍了吞吐和延时这两个评价神经网络模型性能的指标。

这一节利用这两个参数,来实际评测一下我们自己手写的模型的性能到底如何?

注:因为代码是跑在自己的电脑上,大家基本也都是CPU环境,即使是相同的代码,在不同的电脑上运行得出的性能指标也会有较大差异。差异主要来源于电脑配置以及运行负载。建议自己测试性能时,将其他无关程序都关闭,最大程度上保证自己性能测试的环境一致性。

吞吐和延时的计算公式

延时 Latency:预测一张图片花费的时间,单位(ms),因此,延时计算公式为:

Latency = total_time / N

其中, N 为预测的图片张数,total_time 为预测 N 张图片的总时间,单位为 ms。

吞吐 Throughput: 单位时间内(1秒钟)可以处理的图片数。因此,吞吐的计算公式为:

Throughput = (1000 / Latency)

注:吞吐和延时的详细关系ÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

董董灿是个攻城狮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值